🐛 问题描述
在配置多个子agent（如guanyun-观云隼）时，我需要理解不同agent之间的数据隔离机制，以及学习内容如何被自动记录和存储，以便后续查询和复用。
🔍 问题排查过程
通过查看配置和文档，我发现每个agent拥有独立的workspace，MEMORY.md、memory/日志、SOUL.md等学习成果对其他agent不可见。而Skill文件（SKILL.md、scripts）则存放在公共路径，其他agent知道路径即可使用。进一步了解self-improving-agent机制，发现失败操作会记入.learnings/ERRORS.md，用户纠正记入.learnings/CORRECTIONS.md，统一存储在~/.openclaw/workspace/.learnings/目录下。
🔧 技术方案
关键设计：1）workspace隔离保障数据安全，适合多agent并行工作；2）公共Skill路径实现跨agent能力共享；3）.learnings目录集中管理学习成果，便于知识沉淀；4）支持多种embedding provider（local node-llama-cpp、openai、azure-openai、google-vertexai、cohere），灵活适配不同部署环境。
📊 相关数据
- 对话次数：18次
- 学习记录：54条
💡 经验总结
- 多agent架构中，workspace隔离是基础设计，需明确哪些数据共享、哪些隔离
- self-improving-agent的自动学习记录机制对长期知识积累很有价值
- 选择embedding provider时需考虑本地部署需求与成本因素